Prácticas de Simulación

Estadstica Actuarial I
Prcticas de
Simulacin con Excel
Enunciados de las prcticas

y gua para su realizacin
ESTADSTICA ACTUARIAL I
PRCTICAS DE SIMULACIN
Introduccin
Este documento contiene los enunciados de las prcticas a resolver por
los alumnos de la asignatura ESTADSTICA ACTUARIAL I de la LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS.
El formato de presentacin ser Excel, en concreto en un nico libro que
contendr una nica hoja para cada uno de los problemas que se hayan resuelto.
El nombre de fichero Excel ser:
apellido1_apellido2_nombre_EA1.xls
sin acentos ni maysculas, por ejemplo:
gomez_perez_macarena_EA1.xls
cada hoja se nombrar como P# siendo # el n del problema que se resuelve
en dicha hoja.
el enunciado concreto del problema depender del n del DNI del alumno.
Los enunciados que hay que resolver aparecen en la tabla siguiente:
Enunciados Carcter
Del n 1 al n 10 (ambos incluidos) Obligatorio
Del n 11 al n 17 (ambos incluidos) Hay que elegir 5
N 18 Los que opten a Matricula de Honor
De manera que, quien presente las prcticas completas, deber haber

presentado 15 problemas (o 16 si opta a MH).
El fichero que contenga las prcticas se entregara en un CD-ROM rotulado con el nombre y DNI del alumno a la entrega del examen, el da en
que se haga ste.
LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS
1) Generar una muestra de tamao n=1000 de la distribucin enunciada. Obtener la

funcin de probabilidad, la funcin de distribucin, el histograma de ambas, y
comparar las frecuencias observadas (empricas) con las que cabra esperar (tericas).
Caso a resolver
Uniforme discreta U[1;6]
Poisson (media=2)
Poisson (tasa=1 cada 12 minutos)
Binomial (n=12; p=0,35)
Binomial negativa (r=2, p=1/12)
Poisson (media=12)
DNI acabado en
0,1
2,3
4,5
6,7
8,9
Modelo
Gua:
Excel cuenta con una funcin para la distribucin y densidad de Poisson,
cuenta tambin con la posibilidad de obtener muestras aleatorias as distribuidas (Herramientas + Anlisis de Datos + Generacin de nmeros aleatorios).
En cualquier caso es posible obtener nmeros que se distribuyan segn
una Poisson aleatorios utilizando la frmula siguiente:
BINOM.CRIT(/0,001;0,001;ALEATORIO())
Utilizaremos la primera opcin llamando

al mdulo de Anlisis de Datos
Una vez obtenidos los nmeros aleatorios (que hemos

colocado en la columna A) procedemos al anlisis de la muestra
usando la funcin Frecuencia. Antes creamos la columna X,
que recoger los posibles valores de la variable: empezamos en
0 y arrastramos creando una serie hasta un nmero suficiente
de valores, por ejemplo 3 sigmas a la derecha de la media, es
decir
12 + (3120,5)20
Creamos tambin la columna N, en

la que pondremos el resultado de usar
Frecuencia, para que recoja la frecuencia
absoluta de los datos
A continuacin creamos una nueva columna (f) para

recoger las frecuencias relativas, lo que haremos dividiendo
las absolutas entre el nmero total de observaciones que
habremos calculado en un celda aparte sumando las
frecuencias relativas.
Con estos datos ya podemos crear los grficos de la

muestra.
140
120
100
80
60
40
20
20
19
18
17
16
15
14
13
12
11
10
Falta compararlos con las frecuencias tericas. Para saberlas usamos la

funcin que tiene Excel relacionada con la probabilidad de una v.a. de Poisson:
Recordamos que la funcin de cuanta de la distribucin Poisson() es:
e X
p
=
(x) x!
La funcin de distribucin es:
n
F
=e
(x)
n = 0 n!
n= X
La funcin de Excel que nos da ambas es:

POISSON(x ; media ; acumulado)
x el valor que toma la variable;

media, el parmetro ;
acumulado es un valor lgico que determina la forma de la funcin. Si el argumento acumulado es VERDADERO, devuelve la funcin de distribucin; si es
FALSO, devuelve la funcin de masa de probabilidad.
Para calcular las frecuencias absolutas multiplicamos las relativas por el

tamao de la muestra.
El resultado final ser parecido al siguiente:
X
N
0
0
0
1
1
2
1
3
9
4
5 16
6 30
7 36
8 76
9 115
10 94
11 87
12 110
13 120
14 88
15 60
16 59
17 39
18 20
19 14
20 9
16
f
0,000
0,000
0,001
0,001
0,009
0,016
0,030
0,037
0,077
0,117
0,096
0,088
0,112
0,122
0,089
0,061
0,060
0,040
0,020
0,014
0,009
0,016
f T e N ter
0,0000
0
0,0001
0
0,0004
0
0,0018
2
0,0053
5
0,0127
13
0,0255
25
0,0437
43
0,0655
64
0,0874
86
0,1048 103
0,1144 113
0,1144 113
0,1056 104
0,0905
89
0,0724
71
0,0543
53
0,0383
38
0,0255
25
0,0161
16
0,0097
10
0,0000
140
Comparacin
120
100
80
60
40
20
Si bien, debido a los diferentes nmeros aleatorios generados en cada

ordenador, los resultados no sern nuca idnticos a los anteriores.
20
17
18
19
14
15
16
12
13
9
10
11
7
8
4
5
6
1
2
3
2) Generar una muestra de tamao n=1000 de la distribucin enunciada. Obtener la

funcin de probabilidad, la funcin de distribucin, el histograma de ambas, y
comparar las frecuencias observadas (empricas) con las que cabra esperar (tericas).
Caso a resolver
Uniforme continua U[-2;2]
Exponencial (media=12)
Exponencial (tasa=1 cada 12 minutos)
Beta (2,3)
Gamma (r=2, s=3)
Normal (=12; =2)
DNI acabado en
0,1
2,3
4,5
6,7
8,9
Modelo
Gua:
A diferencia del ejemplo anterior, aunque podramos hacerlo tambin
puesto que el mdulo de nmeros aleatorios tambin tiene la distribucin Normal, generaremos nosotros la muestra aleatoria usando la funcin inversa que
tiene Excel.
As en la primera celda de la primera columna introduciremos la frmula
correspondiente
y la iremos arrastrando hasta la fila 1000, para generar la muestra de ese tamao.
Haremos como en el ejercicio anterior la distribucin de frecuencias observadas en la muestra, para lo

cual crearemos la columna N de posibles valores:
3
y utilizaremos la funcin Frecuencia para contar las frecuencias relativas
X
N
f
6,0
3 0,003
6,5
3 0,003
7,0
2 0,002
7,5
5 0,005
8,0 10 0,010
8,5
9 0,009
9,0 29 0,029
9,5 42 0,042
10,0 53 0,053
10,5 82 0,082
11,0 69 0,069
11,5 93 0,093
12,0 79 0,079
12,5 110 0,110
13,0 89 0,089
13,5 96 0,096
14,0 64 0,064
14,5 52 0,052
15,0 39 0,039
15,5 31 0,031
16,0 14 0,014
16,5 12 0,012
17,0 8 0,008
17,5 2 0,002
18,0 3 0,003
18,5 1 0,001
19,0 0 0,000
19,5 0 0,000
20,0 0 0,000
Para obtener la distribucin de las frecuencias tericas, utilizaremos la

funcin DISTR.NORM que tiene Excel:
Sin embargo, a diferencia de como haramos en el caso de las

discretas calculamos primero la funcin de distribucin (Acumulado=TRUE)
para estimar la funcin de densidad a partir de los valores de esta:
Una vez hecho esto tendremos tanto la distribucin empricas como la

terica:
1000
X
N
f
6,0
3 0,003
6,5
3 0,003
7,0
2 0,002
7,5
5 0,005
8,0 10 0,010
8,5
9 0,009
9,0 29 0,029
9,5 42 0,042
10,0 53 0,053
10,5 82 0,082
11,0 69 0,069
11,5 93 0,093
12,0 79 0,079
12,5 110 0,110
13,0 89 0,089
13,5 96 0,096
14,0 64 0,064
14,5 52 0,052
15,0 39 0,039
15,5 31 0,031
16,0 14 0,014
16,5 12 0,012
17,0 8 0,008
17,5 2 0,002
18,0 3 0,003
18,5 1 0,001
19,0 0 0,000
19,5 0 0,000
20,0 0 0,000
1000,0
F
0,0013
0,0030
0,0062
0,0122
0,0228
0,0401
0,0668
0,1056
0,1587
0,2266
0,3085
0,4013
0,5000
0,5987
0,6915
0,7734
0,8413
0,8944
0,9332
0,9599
0,9772
0,9878
0,9938
0,9970
0,9987
0,9994
0,9998
0,9999
1,0000
f
N(Te)
0,0013
1,3
0,0016
1,6
0,0032
3,2
0,0060
6,0
0,0105
10,5
0,0173
17,3
0,0267
26,7
0,0388
38,8
0,0530
53,0
0,0680
68,0
0,0819
81,9
0,0928
92,8
0,0987
98,7
0,0987
98,7
0,0928
92,8
0,0819
81,9
0,0680
68,0
0,0530
53,0
0,0388
38,8
0,0267
26,7
0,0173
17,3
0,0105
10,5
0,0060
6,0
0,0032
3,2
0,0016
1,6
0,0008
0,8
0,0003
0,3
0,0001
0,1
0,0001
0,1
con lo cual ya podremos hacer la comparacin grfica de una y otras, tanto en

frecuencias absolutas:
10
como en frecuencias relativas:
o en las Funciones de distribucin sin ms que aadir una nueva columna, F, a

las frecuencias emprricas que recoja las sumas de stas:
1,000
0,900
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
20
19
18
17
16
15
14
13
12
11
10
0,000
8
f
N(Te)
0,0013
1,3
0,0016
1,6
0,0032
3,2
0,0060
6,0
0,0105
10,5
0,0173
17,3
0,0267
26,7
0,0388
38,8
0,0530
53,0
0,0680
68,0
0,0819
81,9
0,0928
92,8
0,0987
98,7
0,0987
98,7
0,0928
92,8
0,0819
81,9
0,0680
68,0
0,0530
53,0
0,0388
38,8
0,0267
26,7
0,0173
17,3
0,0105
10,5
0,0060
6,0
0,0032
3,2
0,0016
1,6
0,0008
0,8
0,0003
0,3
0,0001
0,1
0,0001
0,1
X
N
f
F
F
6,0
1 0,001 0,001 0,0013
6,5
1 0,001 0,002 0,0030
7,0
4 0,004 0,006 0,0062
7,5
2 0,002 0,008 0,0122
8,0 12 0,012 0,020 0,0228
8,5 20 0,020 0,040 0,0401
9,0 24 0,024 0,064 0,0668
9,5 42 0,042 0,106 0,1056
10,0 55 0,055 0,161 0,1587
10,5 65 0,065 0,226 0,2266
11,0 85 0,085 0,311 0,3085
11,5 94 0,094 0,405 0,4013
12,0 94 0,094 0,499 0,5000
12,5 107 0,107 0,606 0,5987
13,0 88 0,088 0,694 0,6915
13,5 82 0,082 0,776 0,7734
14,0 57 0,057 0,833 0,8413
14,5 56 0,056 0,889 0,8944
15,0 42 0,042 0,931 0,9332
15,5 30 0,030 0,961 0,9599
16,0 24 0,024 0,985 0,9772
16,5 7 0,007 0,992 0,9878
17,0 3 0,003 0,995 0,9938
17,5 3 0,003 0,998 0,9970
18,0 1 0,001 0,999 0,9987
18,5 0 0,000 0,999 0,9994
19,0 0 0,000 0,999 0,9998
19,5 1 0,001 1,000 0,9999
20,0 0 0,000 1,000 1,0000
0
1000,0
1000
11
3) Sea X una variable aleatoria definida de la forma siguiente

X1 Poisson (1 )
X = X1 + X 2 + X 3 X 2 Poisson ( 2 )
X Poisson ( )
3
3
a) Generar 1000 valores de X.
b) Ajustar a Poisson y comparar ambas distribuciones emprica y ajustada de
forma grfica.
c) Comparar la ajustada con la que se deduce de la propiedad aditiva de Poisson.
Caso a resolver
DNI acabado en
1
2
3
n par
12
15
21
n impar
6
9
7
modelo
2
3
4
Gua
Recordamos lo siguiente sobre la Poisson:
Generacin.
Excel cuenta con una funcin para la distribucin y densidad de Poisson, cuenta tambin con la posibilidad de obtener muestras aleatorias as distribuidas (Herramientas +
Anlisis de Datos + Generacin de nmeros aleatorios). En cualquier caso es posible
obtener nmeros aleatorios que se distribuyan segn una Poisson de parmetro , utilizando la frmula siguiente:
BINOM.CRIT(/0,001;0,001;ALEATORIO())
Caracterizacin.
El parmetro puede ser estimado fcilmente de la forma siguiente:
=x
(n)
Simulamos las 3 variables usando la

frmula anterior
Tabulamos X desde 0 hasta 20 y calculamos las
frecuencias empricas F con la funcin Frecuencia:
Calculamos la funcin de probabilidad estimada de X
Emp dividiendo la frecuencia de cada valor por el
numero total de observaciones.
Calculamos primero la media de los datos y

calculamos despus las frecuencias tericas de
X usando la funcin Poisson :
12
Finalmente tenemos todos los datos necesarios para poder representar ambas
funciones
X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
F
0
1
2
20
43
66
81
117
127
119
125
97
73
45
31
24
11
7
6
3
1
1
1000
Emp
0,000
0,001
0,002
0,020
0,043
0,066
0,081
0,117
0,127
0,119
0,125
0,097
0,073
0,045
0,031
0,024
0,011
0,007
0,006
0,003
0,001
Teo Teo
0,000
0
0,001
1
0,005
5
0,015 15
0,033 33
0,060 60
0,090 90
0,116 116
0,131 131
0,132 132
0,119 119
0,098 98
0,074 74
0,051 51
0,033 33
0,020 20
0,011 11
0,006
6
0,003
3
0,001
1
0,001
1
Con lo que ya podemos obtener los grficos correspondientes:
140
Emp
Teo
120
100
80
60
40
20
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
13
a = 5
Y = ( a X1 )
X Exponencial ( media = 4 )
1
Caso a resolver
DNI acabado en
a
n par
12
n impar
6
modelo
5
Media
2
6
4
a) Generar 1000 valores de Y.

b) Ajustar a Exponencial y comparar de forma grfica los resultados obtenidos en la simulacin con los tericos.
Generacin.
Excel no cuenta con una funcin para la inversa de la funcin de distribucin,
sin embargo, la generacin de variables aleatorias puede hacerse utilizando la
frmula siguiente:
Media* -LN(ALEATORIO())
Media
a
X
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
18,00
20,00
22,00
24,00
26,00
28,00
30,00
32,00
34,00
36,00
4
5
N
0
97
95
83
67
68
47
49
60
45
30
29
32
25
22
26
26
15
14
170
830
Media*a
20
f2
0,117
0,114
0,100
0,081
0,082
0,057
0,059
0,072
0,054
0,036
0,035
0,039
0,030
0,027
0,031
0,031
0,018
0,017
f1
0
0,045
0,041
0,037
0,034
0,030
0,027
0,025
0,022
0,020
0,018
0,017
0,015
0,014
0,012
0,011
0,010
0,009
0,008
0,114
0,103
0,093
0,084
0,076
0,069
0,063
0,057
0,051
0,046
0,042
0,038
0,034
0,031
0,028
0,025
0,023
0,021
0,397
Definimos los nombres Media y a y empleamos la frmula para generar los valores
de Y
14
Generamos la tabla de frecuencias empricas relativas (f) y de frecuencias tericas

(f1) usando FRECUENCIA, DISTR.EXP teniendo en cuenta que:
Si X Exp() aX Exp(a)
ser necesario ajustar f1, dividiendo por su suma para pasar de discreto a continuo
as la probabilidad terica que usamos para la comparacin es f2
f2 ( X ) =
f1 ( X )
f (X)
1
Finalmente utilizamos grficos de dispersin para dibujar las frecuencias tericas y

empricas.
El resultado ser parecido al siguiente:
0,06
0,04
0,02
0,00
40
0,08
35
0,397
0,10
30
25
0,114
0,103
0,093
0,084
0,076
0,069
0,063
0,057
0,051
0,046
0,042
0,038
0,034
0,031
0,028
0,025
0,023
0,021
f2
0,12
20
f2
0,096
0,093
0,106
0,078
0,081
0,066
0,087
0,058
0,050
0,050
0,030
0,038
0,038
0,031
0,024
0,031
0,023
0,023
f1
0
0,045
0,041
0,037
0,034
0,030
0,027
0,025
0,022
0,020
0,018
0,017
0,015
0,014
0,012
0,011
0,010
0,009
0,008
15
20
10
Media*a
4
5
N
0
81
78
89
66
68
56
73
49
42
42
25
32
32
26
20
26
19
19
157
843
Media
a
X
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
18,00
20,00
22,00
24,00
26,00
28,00
30,00
32,00
34,00
36,00
15

Y Exponencia l (m1 )
X = min {Y1 ; Y2 } 1
Y2 Exponencia l (m2 )
DNI acabado en
n par
n impar
modelo
m2
2
6
4
m1
12
6
5

b) Ajustar a Exponencial y comparar de forma grfica los resultados obtenidos en
la simulacin con los tericos.
Definimos los nombres Media1 y Media2
empleamos la frmula para generar los
lores de Y usando la funcin MIN
X
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
5,5
6,0
6,5
7,0
7,5
8,0
8,5
9,0
N
0
236
156
153
108
83
90
54
47
35
23
20
15
18
13
14
11
4
6
14
1086
f
0,217
0,144
0,141
0,099
0,076
0,083
0,050
0,043
0,032
0,021
0,018
0,014
0,017
0,012
0,013
0,010
0,004
0,006
f1
0,000
0,450
0,359
0,287
0,229
0,183
0,146
0,117
0,093
0,074
0,059
0,047
0,038
0,030
0,024
0,019
0,015
0,012
0,010
f2
0,205
0,164
0,131
0,104
0,083
0,067
0,053
0,042
0,034
0,027
0,022
0,017
0,014
0,011
0,009
0,007
0,006
0,004
2,19
y
va-
Generamos la tabla de frecuencias empricas relativas

(f) y de frecuencias tericas (f1) usando FRECUENCIA,
DISTR.EXP y teniendo en cuenta que
Y1 Exp ( 1 )
Y2 Exp ( 2 )
min {Y1 , Y2 } Exp

1 + 1
1 2
0,25
f2
0,20
0,15
Al compensar f1, igual que en el 0,10

ejercicio anterior, obtendremos las dos
frecuencias a comparar, las que hemos
0,05
llamado f2 y f.
16
10
0,00

Y Gamma (5;1)
Y = (Y1 + Y2 ) 1
Y2 Gamma (4 ;1)

b) Ajustar a Gamma y comparar de forma grfica los resultados obtenidos en la
simulacin con los tericos.
Generacin.
Excel cuenta con una funcin para la inversa de la funcin de distribucin Gamma, la
generacin de variables aleatorias puede hacerse utilizando la frmula siguiente:
DISTR.GAMMA.INV(ALEATORIO();r,)
Definimos los parmetros del problema
r1+r2
r1
r2
Lambda
9
4
5
1
Generamos los valores de

Y1 e Y2 y los sumamos
para obtener Y
Construimos la tabla de frecuencias como en los anteriores

teniendo en cuenta que :
Y1 Gamma (r1 ;1)
(Y1 + Y2 ) Gamma (r1 + r2 ;1)
Y2 Gamma r2 ;1
( )
X
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
9,0
10,0
11,0
12,0
13,0
14,0
15,0
16,0
17,0
18,0
N
0
0
0
2
17
52
95
129
121
138
137
86
83
47
34
22
16
10
6
5
995
f
0,000
0,000
0,002
0,017
0,052
0,095
0,130
0,122
0,139
0,138
0,086
0,083
0,047
0,034
0,022
0,016
0,010
0,006
f1
0,000
0,000
0,000
0,001
0,008
0,030
0,065
0,103
0,130
0,140
0,132
0,113
0,089
0,066
0,046
0,030
0,019
0,012
0,007
0,000
0,000
0,001
0,008
0,030
0,066
0,104
0,132
0,141
0,133
0,114
0,090
0,066
0,046
0,031
0,020
0,012
0,007
0,99
17
f2
Para calcular la frecuencia terica usamos la funcin DISTR.GAMMA
Como en los problemas anteriores es necesario normalizar f1, calculada como

f2 ( X ) =
f1 ( X )
f (X)
1
Finalmente realizamos el grfico de dispersin de ambas frecuencias

0,16
f2
0,14
0,12
0,10
0,08
0,06
0,04
0,02
20
18
16
14
12
10
0,00
18
7) Se tienen 2 urnas A={5r,3b,8a} y B={3r,5b}. Se lanza un dado, si sale un 2 o un

6 se elige la urna B, en caso contrario la A.
a) Qu probabilidad hay de elegir una bola roja?.
b) Simular 100 veces, estimar P(roja) y comparar con los resultados tericos.
Gua:
Este problema fue resuelto en clase
Por comodidad crearemos una variable

U=Aleatorio() en Nombre> Definir para
usarla en los clculos posteriores
Para calcular el resultado podemos usar SI anidados
Una vez hechas las rplicas slo queda contar y dividir:

Roja
Total
Probabilidad
148
500
0,30
"=SUMA(A:A)"
"=CONTAR(A:A)"
19
8) Sea el siguiente juego: el jugador elige un nmero del conjunto {1, 2, 3, 4, 5, 6}.
Se lanza tres veces un dado equilibrado. Si el nmero elegido aparece 1, 2 o 3 veces entonces gana 200, 300 o 400 . Si su nmero no sale pierde 100. Resolver primero en terico despus simular y comparar los resultados.
a) Calcular la distribucin de la ganancia
b) Calcular la ganancia media.
c) Calcular la varianza de la ganancia.
Gua:
La variable X= n de veces que sale nuestro nmero, es B(n=3;p=1/6). Calculamos
la funcin de cuanta usando:
a partir de ella calculamos la ganancia G(x) y

la ganancia al cuadrado G(x)2 para calcular la
media y la varianza:
X
0
1
2
3
P(x)
0,5787
0,3472
0,0694
0,0046
G(x)
-100
200
300
400
G(x)2
10000
40000
90000
160000
para la media usaremos la funcin

Sumaproducto:
para la varianza hacemos los clculos
teniendo en cuenta que
V(X)=E(X2)-[E(X)]2
20
Simulamos los dados mediante:
Una forma rpida de hacer el clculo del

beneficio es media frmulas matriciales:
y usando la funcin Indice le asignamos

el beneficio calculado anteriormente
Como alternativa a la frmula matricial podemos usar SI anidados

Si suponemos que el nmero elegido es el 1, el resultado final debe ser parecido a
este:
Media
Terica
Estimada
34,26
40,30
Varianza
Terica
Estimada
25492,97
26372,28
aunque, debido a los diferentes nmero aleatorios generados, los resultados no sern
exactamente los mismos.
21
9) Una accin tiene un precio inicial de 100. Cada da su cotizacin puede subir 1
o bajar esa misma cantidad. La probabilidad de subir es del 35%.
a) Calcular la distribucin de su precio al cabo de 31 das.
b) Comparar el resultado de la simulacin con el terico, de forma grfica y
por la comparacin de la media y la varianza observada y terica.
Gua
Hay al menos dos formas distintas de abordar el problema: se

puede simular cada uno de los 31 dias, usando Aleatorio() y
comparando con 0,35, o se puede considerar que el nmero de
subidas durante 31 das es una v.a. binomial B(n=31 , p=0,35).
El precio final ser 100+x-(31-x)=69+2x, siendo x la realizacin
de la v.a. binomial o la suma de la Bernouilli individuales.
El resultado grfico, anlogo al explicado en el problema 1, podra ser
de la forma siguiente:
250
200
150
100
50
69
71
73
75
77
79
81
83
85
87
89
91
93
95
97
99
101
103
105
107
109
111
113
Para comparar la media y varianza observada con las tericas recordamos que la
media y varianza de una binomial B(n,p) son (respectivamente):
E (x) = n p
Var ( x ) = n p (1 p)
tambin que:
E ( ax + b ) = a E ( x ) + b
Var ( ax + b ) = a2 Var ( x )
22
10)Una compaa de seguros tiene una cartera con tres tipos de plizas A, B y C. Cada una de ellas tiene una reclamacin media diferente aunque las tres siguen una
distribucin uniforme U[a,b]. Los datos de los parmetros y del nmero de clientes
en cada tipo de pliza se dan en la tabla siguiente:
Pliza
A
B
C
5
10
a 1
15
15
20
b
Clientes 200 500 300
a) Calcular la distribucin de la reclamacin total.

b) Comparar el resultado de la simulacin con el terico.
Gua
Este problema se puede abordar de varias formas. En primer lugar se puede

intentar simular cada una de las reclamaciones individuales y sumar los importes para calcular la reclamacin total, para ello necesitaramos 1000 columnas que habra que sumar, lo cual no es prctico.
Se recomienda, bien usar una combinacin de las funciones FILA e INDIRECTO que, junto con SUMA y SI, al ser combinadas en una frmula matricial en
la forma siguiente:
=SUMA(SI(FILA(INDIRECTO("1:200"));ALEATORIO()*15;0))
proporcionan, en una nica operacin, tantos sumandos uniformes como
indique el rango de INDIRECTO (200 en el ejemplo); bien usar una aproximacin basada en TCL.
23
11)Un comerciante vende calendarios. Cada calendario se compra a 1,2 y se vende

a un precio de 2,4. Por cada calendario comprado pero no vendido se recupera
un importe de 0,6. La demanda diaria de calendarios sigue una distribucin uniforme entre 100 y 300.
a) Calcular el pedido ptimo de calendarios que debe hacer el comerciante.
b) Una vez determinado ste, calcular la distribucin, la media y la varianza
del beneficio obtenido.
Gua
Calcular el Beneficio (B) en funcin de lo demandado y lo fabricado

Si pedido > demandado B = (NO Vendido * PDev ) + ( Vendido * PVen )
Si pedido demandado B = ( Vendido * PVen )

siempre
B = B ( pedido * PCom )
A continuacin ponderar B para cada posible demanda y estimar el beneficio
para cada cifra de pedido
24
12) (Hossack) Un peridico publica la noticia de que los hombres tienen una propensin a sufrir accidentes de trfico que resulta ser el doble de la que tienen las
mujeres. Intentando demostrar la falsedad de tal afirmacin un marido pacta con
su mujer el siguiente juego: Durante los prximos diez aos llevaremos cuenta
de los accidentes de trfico que tengamos cada uno, al final de ese perodo te pagar 1000 por cada accidente que yo haya tenido ms que vosotras dos (refirindose a ella y a la hija de ambos).
Supngase que los datos que ofreci el peridico fueron los siguientes:
Accidentes de hombres
Accidentes de mujeres
Poisson de media 1 cada 10 aos,

Poisson de media 1 cada 20 aos
(Como ocurre en la ms cruda realidad, el marido slo paga, no recibe dinero en

caso de que las mujeres tengan ms accidentes que l).
a) Cmo es la distribucin del pago esperado del marido?.
b) Cul ser el pago medio?.
c) Resolver el problema tericamente y comparar los resultados tericos y los obtenidos mediante simulacin.
Gua:
Para resolver el apartado c) tngase en cuenta que:
Y1 Poisson (1 )
(Y1 + Y2 ) Poisson (1 + 2 )
Y2 Poisson 2
( )
y que es lgico suponer que ambos accidentes los del marido y los de ambas mujeres
son independientes de manera que la distribucin conjunta ser:
f ( AcMar , AcMuj )
0 AcMar 7
Poisson ( 1 ) Poisson ( 2 )
=
0 AcMuj 7
0
resto
a partir de lo anterior es posible determinar la funcin de probabilidad de la variable

pedida:
Y = 1000 max ( 0; AcMar AcMuj )
25
Para los apartados a) y b) basta con simular un nmero suficiente de veces:
para el apartado c) se puede crear la distribucin conjunta de frecuencias de ambas

variables y calcular la distribucin de la diferencia
26
13)El nmero mensual de reclamaciones de un determinado grupo de plizas sigue

una distribucin Poisson de parmetro 4; a su vez, cada una de esas posibles reclamaciones tiene un importe que se distribuye segn una exponencial de parmetro (media) igual a 12.
a) Calcular la distribucin del total de reclamaciones mensuales.
b) Calcular el resultado terico y comparar
140
120
100
El resultado a) debera ser

parecido a este:
80
60
40
20
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
150
160
170
180
190
200
1,0
0,9
El resultado b) debera ser parecido

a este:
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
150
160
170
180
190
200
0,0
27
Gua:
para el apartado a)
Simular primero la Poisson,

En columnas siguientes un nmero suficiente de exponenciales.
Usar la funcin de Excel DESREF junto con SUMA para calcular la suma mensual de las exponenciales dadas por la Poisson.
para el apartado b)
Por la teora sabemos que la suma de exponenciales es una distribucin Gamma.
(Rec Mensual | = s ) Gamma(s , )
Poisson()
El nmero de sumandos que integran la Gamma es el resultado de una Poisson, de

manera que habr que:
1) Calcular la densidad de la Gamma para un rango razonable del importe de las
reclamaciones, para cada una de los posibles valores del parmetro s:
s Poisson (4).
2) Ponderar estos valores por los de la funcin de cuanta de la Poisson.
3) Agregarlos todos para obtener la funcin de distribucin de la reclamacin
mensual.
Y Poisson(1 )
F( Y ) = p(y1 ) 2e 2 y 2 dy 2 1
i= 0
Y2 Poisson( 2 )
0
28
29
14) El nmero de reclamaciones de un determinado grupo de plizas sigue una distribucin Poisson (), donde es a su vez una variable aleatoria que se distribuye
segn una Gamma (5 ; 2):
a) Calcular la distribucin de la variable aleatoria nmero de reclamaciones.
b) Realizar el test de bondad del ajuste a una Binomial Negativa que se deduce
de los datos anteriores.
c) Realizar el test de bondad del ajuste a la Binomial Negativa tericamente esperada.
Gua
Para realizar el apartado a):
Simular primero la gamma para obtener un valor.

Utilizar este valor para simula la Poisson.
Para realizar el apartado b):
Calcula media y varianza de la distribucin simulada.

Calcular los parmetros de la BN(r,p) de la forma siguiente:
r =
2
=
p
Calcular la funcin de probabilidad usando la frmula correspondiente1:

p (x) =
(r + x )
(r ) ( x + 1)
pr (1 p )
Para realizar el apartado c):
La teora nos dice que:

Si,
(X = ) Poisson( ) y Gamma(r , )
entonces :
1
X BN r ,
1 +1
Para calcular la funcin Gamma en Excel hay que usar dos funciones concatenadas EXP y GAM-
MA.LN de esta forma:
( x ) = EXP ( GAMMA.LN ( x ) ) e
Ln ( x )
ya que Excel no tiene una funcin Gamma pero si el logaritmo neperiano de sta, por lo que hay
que deshacerlo.
30
El resultado final debera ser parecido al siguiente (en el, por comodidad,
se han utilizado grficas continuas para representar distribuciones de probabilidad
de variables aleatorias de carcter discreto):
90
Emp
Teo
Ajus
80
70
60
50
40
30
20
10
25
20
15
10
31
15)Sea la siguiente cartera de plizas de vehculos:

r
siendo:
25
25
<25
<25
Familiar Deportivo Familiar Deportivo
6,000
0,970
5826
1020
1,601
0,892
1281
1486
12,950
0,987
3570
1097
12,540
0,978
1622
1413
25 el asegurado tiene 25 aos o ms de edad,

<25 el asegurado tiene 24 aos o menos edad,
Familiar, Deportivo tipo de vehculo,
(r,) los parmetros de la distribucin Binomial negativa que describe
la distribucin del nmero de reclamaciones anuales que hace cada uno
de los asegurados,
N el nmero de plizas suscritas, es decir el nmero de asegurados en
esas condiciones concretas,
la reclamacin media por asegurado.
a) Estimar la distribucin del monto total anual de las reclamaciones
32
16)Una compaa de seguros tiene una cartera con 3 tipos de plizas: La primera
cubre un mximo de 12.000 y tiene una franquicia de 600, es decir que los pagos P1 por reclamaciones de este tipo de pliza, D1, son de la forma siguiente:
0
P1 = R1 600
11.400
si
R 1 600
si
600 < R 1 < 12.000
si
R1 12.000
La segunda cubre un mximo de 11.250 y paga las 2/3 partes del dao D2:
3R 2
4
P2 =
11.250
si
R 2 < 15.000
si
R 2 15.000
La tercera es de la forma siguiente:

0
P3 =
R
3
si
R 3 < 500
si
R 3 500
Por experiencia anterior se sabe que las distribuciones de los daos son de la forma siguiente:
D1 Exp ( = 5000 )
D2 Exp ( = 6000 )
D Exp ( = 1000 )
3
Se esperan 15 reclamaciones: 8 de D1, 4 de D2 y 3 de D3.
a) A qu cantidad debe ascender la reserva de la compaa para que la probabilidad de que pueda hacer frente a la reclamacin total sea del 80%?
Gua
Se trata de una aplicacin tpica del TCL, las v.a.s. de los pagos son modificaciones de una exponencial, de la media de sta:
E[x ] = x e x dx
0
podramos deducir la media de cada una de ellas, por ejemplo la de P1 seria
600
12000

E[P1 ] = 8 0 e x dx + (x 600 ) e x dx + 11.400 x e x dx

0
12000
600

Podramos tambin deducir, con un mayor esfuerzo, la varianza y una vez

hechas las operaciones correspondientes, deducir la media y la varianza de la
normal a la que se aproxima - en virtud del TCL - la distribucin del pago total.
33
An as, la aproximacin a la distribucin Normal no sera demasiado buena: se

trata de una suma de pocas variables aleatorias y stas son muy sesgadas. En estas situaciones el recurso a la simulacin del pago es la mejor solucin.
La simulacin es muy sencilla, basta simular primero las exponenciales de las
reclamaciones iniciales (R1, R2 y R3) y a partir de stas, aplicando los criterios de
pago de la compaa, calcular los pagos (P1, P2 y P3) que finalmente se harn.
Para responder a la pregunta sobre la reserva necesaria para afrontar los pagos bastar aplicar la funcin PERCENTIL sobre los datos simulados.
34
17)Una empresa sabe que la demanda diaria en kilogramos del producto que fabrica
sigue una distribucin Pareto(3,2) mientras que la oferta de ese mismo producto
se distribuye segn una distribucin Normal(3;0,5). Tiene un coste de 0,05 por
kilo fabricado y no vendido y de 0,5 por kilo demandado y no servido:
a) Calcular la distribucin de la diferencia entre demanda (D) y oferta (O) es decir
de la variable D-O.
b) Calcular la distribucin de las ganancias o prdidas.
Gua:
Generacin de Pareto:
La notacin habitual es XPar(,), ambos parmetros son de escala. En la literatura aparecen descritos diversos mtodos para generar v.a. de Pareto. En Excel es posible obtener v.a. a travs de cualquiera de las frmulas siguientes:
=*((1/(1-ALEATORIO()))^(1/))
=*(ALEATORIO()^(-1/))
Generacin de Normal:
Excel cuenta con la funcin inversa de la distribucin:
=DISTR.NORM.INV(ALEATORIO();;)
35
36
18)Una compaa de seguros de automviles tiene un sistema bonus-malus, o de

descuento por buen conductor. Hay varios tramos de descuento para el pago anula de una pliza por la que se comienza pagando 250:
1
2
3
4
5
6
7
0% 10% 20% 30% 40% 50% 60%
si durante un plazo de un ao no se hace ninguna reclamacin, se aumenta un
tramo de descuento al ao siguiente, hasta el descuento mximo del 60% que se
alcanza al llegar al 7 tramo. Mientras que si, durante un plazo de un ao, se hace
una nica reclamacin (o ms de una) se vuelve al comienzo de la escala, es decir, al 0% de descuento del primer tramo.
Se est en proceso de decidir si cambiar o no este sistema por otro anlogo. Este
nuevo sistema tendra slo 4 tramos de descuento:
1
2
3
4
0% 20% 40% 60%
Pero, a diferencia del anterior, slo se retrocede un puesto en la escala por reclamacin, es decir si durante un ao no hay reclamaciones se gana un 20% de descuento, si hay una reclamacin se pierde un 20% de descuento. El descuento no
puede ser superior al 60% ni negativo. Tambin sera diferente la prima que pasara de 250 a (250+75) .
Se sabe que el nmero de accidentes que ocurren anualmente sigue una distribucin de Poisson de parmetro 0,1 por ao, mientras que la distribucin del importe de las reclamaciones se distribuye de forma LogNormal( = 6,012 ; = 1,792).
Tambin hay que tener en cuenta que las reclamaciones que no le interesan al
cliente no se realizan, por ejemplo en el primer sistema, un cliente que ste en el
tramo 4 (30%) perdera este descuento si hiciera una reclamacin as que si el
dao que recibe es inferior a lo que pierde no le interesa reclamar.
Las prdidas mnimas por sistema y tramo son las siguientes:
Tramo 1 2 3
4
5
6
7
Importe 25 50 75 100 125 150 150
Tramo 1
2
3
4
Importe 125 175 175 125
a) Decidir qu sistema es el mejor para la compaa, si la pliza est suscrita por
1000 clientes.
37

Prácticas de Simulación

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Prácticas de Simulación

Uploaded by

Copyright:

Available Formats

Estadstica Actuarial I

Enunciados de las prcticas

De manera que, quien presente las prcticas completas, deber haber

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

1) Generar una muestra de tamao n=1000 de la distribucin enunciada. Obtener la

Utilizaremos la primera opcin llamando

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Una vez obtenidos los nmeros aleatorios (que hemos

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Creamos tambin la columna N, en

A continuacin creamos una nueva columna (f) para

Con estos datos ya podemos crear los grficos de la

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Falta compararlos con las frecuencias tericas. Para saberlas usamos la

La funcin de Excel que nos da ambas es:

x el valor que toma la variable;

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Para calcular las frecuencias absolutas multiplicamos las relativas por el

Si bien, debido a los diferentes nmeros aleatorios generados en cada

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

2) Generar una muestra de tamao n=1000 de la distribucin enunciada. Obtener la

Haremos como en el ejercicio anterior la distribucin de frecuencias observadas en la muestra, para lo

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Para obtener la distribucin de las frecuencias tericas, utilizaremos la

Sin embargo, a diferencia de como haramos en el caso de las

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Una vez hecho esto tendremos tanto la distribucin empricas como la

con lo cual ya podremos hacer la comparacin grfica de una y otras, tanto en

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

como en frecuencias relativas:

o en las Funciones de distribucin sin ms que aadir una nueva columna, F, a

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

3) Sea X una variable aleatoria definida de la forma siguiente

El parmetro puede ser estimado fcilmente de la forma siguiente:

Simulamos las 3 variables usando la

Calculamos primero la media de los datos y

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Con lo que ya podemos obtener los grficos correspondientes:

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

4) Sea X una variable aleatoria definida de la forma siguiente

a) Generar 1000 valores de Y.

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Generamos la tabla de frecuencias empricas relativas (f) y de frecuencias tericas

Finalmente utilizamos grficos de dispersin para dibujar las frecuencias tericas y

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

5) Sea X una variable aleatoria definida de la forma siguiente

a) Generar 1000 valores de Y.

Generamos la tabla de frecuencias empricas relativas

min {Y1 , Y2 } Exp

Al compensar f1, igual que en el 0,10

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

6) Sea X una variable aleatoria definida de la forma siguiente

a) Generar 1000 valores de Y.

Generamos los valores de

Construimos la tabla de frecuencias como en los anteriores

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

Para calcular la frecuencia terica usamos la funcin DISTR.GAMMA

Como en los problemas anteriores es necesario normalizar f1, calculada como

Finalmente realizamos el grfico de dispersin de ambas frecuencias

LICENCIATURA EN CC. ACTUARIALES Y FINANCIERAS

7) Se tienen 2 urnas A={5r,3b,8a} y B={3r,5b}. Se lanza un dado, si sale un 2 o un

Por comodidad crearemos una variable

Para calcular el resultado podemos usar SI anidados

Una vez hechas las rplicas slo queda contar y dividir: